一种基于危险系数的人脸识别性能评价方法

在评价人脸识别算法或系统性能时，通常采用识别率来衡量识别的效果。但识别率仅表示识别通过的数量比率，并不能表示识别通过的质量，不能准确地反映出识别的效果。该文提出了一种基十危险系数的性能评价方法，能很好地解决这个问题。通过红外人脸识别的实验，验证该评价方法的可行性。这种评价方法还可以被推广到目标识别的其它领域。     

基于期望值最大算法的图像融合

文中提出了一种基于期望值最大的图像融合方法。该方法首先假设图像对场景的成 像模型。以期望值作为目标函数,通过使目标函数最大的方法确定该模型的参数,估计出真实场景,进而得到理想的融合图像。试验表明,该方法比传统的基于加权平均和选择的方法具有更好的融合效果。     

基于彩色传递的红外与可见光图像融合方法

提出了一种基于小波分解和彩色传递理论的图像融合方法。在小波变换的基础上，采用一种融合方法对红外和可见光图像进行融合处理；基于色空间变换对灰度融合图像进行彩色传递，实现灰度到彩色图像的转变。实验表明彩色传递图像的色彩接近自然景物颜色，优于传统的假彩色方法，更有利于人眼对目标和环境的判断识别。     

基于视角转换的多视角步态识别方法

针对步态识别中步态视角变化、步态数据样本量少及较少利用步态时间信息等问题,提出一种基于视角转换的步态识别方法。通过VTM-GAN网络,将不同视角下的步态能量图及含有步态时间信息的彩色步态能量图,统一映射到保留步态信息最丰富的侧视图视角,以此突破步态识别中多视角的限制,在视角转换的基础上,通过构建侧视图下的步态正负样本对来扩充用于网络训练的数据,并采用基于距离度量的时空双流卷积神经网络作为步态识别网络。在CASIA-B数据集上的实验结果表明,该方法在各状态、各角度下的平均识别准确率达到92.5%,优于3DCNN、SST-MSCI等步态识别方法。     

基于期望值最大算法和离散小波框架的图像融合

The discrete wavelet transform has become an attractive tool for fusing multisensor images. This paper investigates the discrete wavelet frame transform. A major advantage of this method over discrete wavelet transform is aliasing free and translation invariant. The discrete wavelet frame (DWF) transform is used to decompose the registered images into multiscale representation with the low frequency and the high frequency bands. The low frequency band is normalized and fused by using the expectation maximization (EM) algorithm. The informative importance measure is applied to the high frequency band. The final fused image is obtained by taking the inverse transform on the composite coefficient representations. Experiments show that the proposed method is more effective than conventional image fusion methods.     

基于SVM模型的单目红外图像深度估计

提出一种通过非线性学习模型来估计单目红外图像深度的算法。该算法首先通过逐步线性回归和独立成分分析(ICA)寻找对于红外图像深度相关性较强的特征,然后以具有核函数的非线性支持向量机(SVM)为模型基础,采用监督学习的方法对红外图像深度特征进行回归分析并训练,在训练过程中通过已知数据回归后的最小均方误差对模型参数进行修正,训练后的模型可对单目红外图像的深度分布进行估计。实验结果证明,利用该模型能较一致地估计单目红外图像的深度信息。     

PI教学法在“数据结构”课程教学中的运用

美国哈佛大学Eric Mazur教授创立并实践了同学间互动(Peer-Instruction,简称PI)教学方法,鼓励学生基于问题进行自主学习和协作探究,取得了良好的教学效果。文章阐述PI教学法的主要思想及实施方法,通过对"数据结构"课程"遍历二叉树"一节导学案的设计,探讨PI教学法在"数据结构"课程教学中的运用。     

基于DRF-MAP模型的单目图像深度估计的改进算法

图像深度信息获取是机器视觉领域的活跃研究课题之一.将图像深度估计问题归结为模式识别问题,以单目图像深度为模式类,在多尺度下从图像块中提取绝对和相对深度特征,并选择表征上下文关系的DRF(Discriminative Random Field)方法来表述某图像块的深度和其邻域深度之间的关系,从而构建起基于DRF-MAP(Maximum a posteriori)的单目图像深度估计模型.通过实验,得到了一类单目图像对应的深度图像,从而证明了单目图像深度估计模型对应的改进算法的有效性.     

基于红外与雷达的夜间无人车驾驶决策方法

速度与方向的决策建议是夜间无人车驾驶研究的关键,针对夜间无人车速度与方向决策,基于红外图像与雷达信息,提出了一种包含深度信息的红外图像多任务分类网络用来给出速度与方向决策.通过红外摄像头及雷达采集的数据训练深度网络,其中雷达采集的深度图像作为训练标签,采用卷积-反卷积神经网络来进行红外图像的深度估计,进而获得深度信息.利用深度信息制作分类网络训练标签,通过AlexNet分类网络得到速度决策建议.再根据红外图像的道路信息训练方向分类网络,将无人车的驾驶决策问题转化为分类模型,并将分类模型与深度估计网络相结合.实验结果表明,网络的角度准确率及速度准确率分别为87.43%和85.89%,并且利用训练得到的模型对图像进行决策的时间为0.04 s/帧,能够达到实时性的要求。     

基于色彩传递与扩展的图像着色算法

色彩的不均匀一直是色彩传递算法中没有解决的问题。一些传统的算法只是单独依靠像素点的匹配来进行色彩传递,难以保证处理后图像色彩在空间上的连续性,即某些像素点的色彩和它周围的色彩反差较大。针对此问题,提出了一种基于色彩传递与扩展的图像着色算法,先利用传统的色彩传递方法,在lαβ空间对灰度目标图像进行局部上色,然后再利用色彩扩展的算法,对其他未经过上色的区域进行色彩扩展,完成整幅灰度目标图像的自动彩色化过程。实验得到了色彩细腻均匀的结果图像,验证了算法的实用性。